Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/4594
Title: | Algoritmos de aproximação estocástica com valor do passo adaptativo |
Author: | Cruz, João Pedro Antunes Ferreira da |
Advisor: | Plakhov, Alexander |
Keywords: | Matemática Processos estocásticos Teoria de aproximação Algoritmos Optimização combinatória Controlo adaptativo - Modelos matemáticos |
Defense Date: | 2005 |
Publisher: | Universidade de Aveiro |
Abstract: | Consideram-se os algoritmos iterativos de aproximação estocástica (AE) do
zero de uma função dada quando o valor da função é perturbado
aleatoriamente. A teoria da AE está bem desenvolvida para o caso em que o
valor do passo do algoritmo é determinístico, dependendo apenas do número
da iteração do algoritmo; em particular, foram elaborados algoritmos
assimptoticamente optimais.
No entanto, em muitos problemas práticos abordados de forma heurística
(em particular redes neuronais), verifica-se que são mais efectivos, num
periodo transitório, os algoritmos cujo valor do passo é aleatório, sendo
determinado através dos parâmetros correntes do algoritmo.
A tese concentra-se nos algoritmos onde o valor do passo aumenta caso os
incrementos de aproximações consecutivas mantenham o sentido (indicando
que o algoritmo está na "zona determinística"), e diminui no caso contrário
(estando o algoritmo na "zona estocástica").
No algoritmo de Kesten, o passo mantém-se caso hajam dois incrementos
com o mesmo sinal, e em caso oposto, o passo é decrementado. Na tese, o
algoritmo é generalizado podendo o passo aumentar caso duas iterações
ocorram no mesmo sentido. É demonstrada a convergência para o zero com
probabilidade 1 para o caso de funções unidimensionais e multidimensionais
com um único zero. É também demonstrada a normalidade assimptótica das
estimativas.
Podem encontrar-se na literatura, algoritmos heurísticos de variação
multiplicativa do passo para redes neuronais. Na tese, e para o caso de
funções unidimensionais com vários zeros, é demonstrado com probabilidade
1 que estes algoritmos podem divergir ou convergir para uma vizinhança de
um dos zeros. A adaptação do passo depende de dois parâmetros que
determinam a precisão da vizinhança. Além desta regulação foi observado em
simulações que para uma maior precisão é necessário um aumento do número
de iterações.
São apresentados inúmeros exemplos numéricos que ilustram a vantagem
dos novos algoritmos para o caso unidimensional. Para o caso
multidimensional os algoritmos propostos não se mostraram efectivos. We consider iterative algorithms of Stochastic Approximation (SA) of the zero of a function when the value of the function is randomly perturbated. SA theory is well established when the step-value is deterministic, depending only on the iteration number. In particular, asymptotical optimal algorithms were developed. However, in many practical problems, the use of random step-value becomes more efective in a transitory stage, being determined by current iterations measures. This thesis concentrate on algorithms where step can increase if consecutive increments have the same sign (called `deterministic zone') and decrease otherwise (called `stochastic zone'). Algorithms of this kind were treated heuristically in several publications (particularly in neural networks literature). In Kesten's algorithm, step is kept if two consecutive iterations have the same direction, and decreases otherwise. The thesis makes a generalization allowing the step to increase if successive increments have same sign and decrease otherwise. Almost sure convergence is demonstrated for the case of unidimensional and multidimensional functions with one zero. The asymptotic normality of estimations is also proved. Algorithms with multiplicative step variation were tested for neural networks. In this thesis, and for the case of unidimensional functions of many zeros, is demonstrated that divergence or convergence to a neighborhood of some zero can occur depending on algorithm parameters. In case of convergence more precision of the neighborhood can be reached at the expense of more iterations. Many numerical examples are presented showing the advantage of the new algorithms for the unidimensional case. For the multidimensional case of these algorithms no benefit was observed. |
Description: | Doutoramento em Matemática |
URI: | http://hdl.handle.net/10773/4594 |
Appears in Collections: | UA - Teses de doutoramento DMat - Teses de doutoramento |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
201758.pdf | 20.47 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.